大模型赋能投研分析报告：Dify，全自动投研工作流可视化构建.pdfVIP

随着生成式AI技术的快速发展，金融行业也正积极探索大模型在各类业务场景中的应用落地。当前也出现了许多应

用产品能提升各环节的工作效率，然而产品类型主要属于智能客服、金融知识问答这些，核心优势也主要在于其背后

的数据库质量，本质上依然属于“工具”而非“应用”，还未真正发挥大模型自身具备的丰富潜力。而Manus、Deep

Research这类产品展现了大模型成为真正通用或专业化智能体的可能性，这也是它们曾带来轰动的原因。如何更进一

步搭建金融领域的专业Agent？

为什么我们需要Dify？

Dify作为专业化的工作流应用搭建工具，其高自由度、模块化与低代码的产品特征使其能充分解决大模型在金融投研

领域落地的痛点：处理流程长、信息整合度高、高度数据依赖。Dify兼顾了专业化与便捷性，不仅相比此前的LangChain

等框架有大幅效率提升，在同类产品的横向比较中同样定位突出，成为构建金融AI投研应用的首选。当然，Dify也

保持着高度的可拓展性，能与RAGFlow这类专业化知识库相连接，也能支持MCP工具接入，可进一步拓宽应用的能力

边界。

强大的功能与简单的配置

我们对Dify内部的工具、知识库、Agent与工作流等关键功能进行详细介绍，展示了其中自定义工具、搭建Agent与

工作流等操作的具体方法。Dify允许多样化的工具，除了官方提供的工具接口外，也可以通过MCP、自定义等方

式连接工具，甚至允许将用户自己构造的工作流作为工具重复使用。工作流中我们也可选择功能丰富的节点，低代码

完成AI应用的搭建。同时，我们也对部署本地版Dify、配置大模型接口、构建知识库等基础操作进行展示，并对诸

如文档分块、检索算法等可能影响应用效果的节点进行说明。

应用构建实战——Dify为投研应用带来丰富想象空间

最终，我们结合三个案例，展示了Dify应用的巨大想象空间。

第一个案例，我们设计了“时间提取”工具，解决了自然语言对话中存在的时间范围指代模糊的问题，能自动识别解

决用户需求所需要的确切数据时间范围。该工具可以嵌套进任意其他工作流或Agent之中，实现重复使用。

第二个案例，我们设计了专业化的“金融分析师”。它首先会对用户提问的范畴进行划分，确认是“个股”、“行业”、

“概念”还是“宏观”类问题，再分别接入相对应的细分流程进行针对性分析。每个细分流程则会有专门设计的Agent

进行分析工作，它们运行流程、知识库、工具与提示词等方面都有所不同，能最大化专业程度。

第三个案例，我们介绍了“地理信息检索”Agent，展示Dify在搭建投研应用方面的巨大潜力。该Agent可以对年报

中出现的地址进行经纬度定位，并同时搜索附近区域内出现的目标地点，譬如我们在案例中设定的“养殖场”这一目

标。本质上，但凡是涉及金融与其他领域信息整合的需求，都可以在Dify的辅助下更高效完成。

整体而言，Dify易于上手也兼具专业性，为金融应用带来了丰富的想象空间，是目前搭建大模型投研应用的最佳选

择。

风险提示

本次研究基于v1.3.0版本的Dify进行，未来版本更新可能带来功能变化；知识库的具体表现结果受到模型选择影

响，不同模型配置下知识库效果可能存在差异；大语言模型使用可能会受到限制，模型输出结果具有一定波动性；本

次研究中的推荐参数与模型选择、任务需求等具体情形有关，在具体使用中应根据情况及时调整。

1

扫码获取更多服务

金融工程专题报告

内容目录

一、为什么我们需要Dify？4

1.1Dify破解金融大模型落地的核心痛点4

1.2与传统工具相比，Dify降低了搭建AI应用的门槛6

1.3与同类相比，Dify兼顾实用性与便捷性7

1.4Dify+RAGFlow、MCP带来丰富想象空间8

二、Dify功能总览9

2.1工具：大模型连接外部世界的桥梁9

2.2知识库：支撑智能问答的事实底座11

2.3Agent模